多维度IRT模型：结构维度与问卷项目选择

本文主要探讨了多维度项目反应理论模型（Multidimensional Item Response Theory, MIRT）在评估意大利养老院患者健康状况问卷中的应用。作者F. Bartolucci、G. Montanari 和 S. Pandolfi关注的是两个关键问题：一是问卷所测量的潜在维度（latent structure），即问卷设计中隐含的多层次或多个维度的识别；二是构成问卷的项目（items）的区分度，即项目能否有效地区分不同水平的健康状态。 在传统的项目反应理论框架下，研究者假设个体的健康状态由一个或多个潜在变量（latent variables）决定，这些变量具有离散分布。MIRT模型在此基础上引入了两参数逻辑斯蒂函数来描述响应概率，这使得模型能够更精确地捕捉个体在不同维度上的表现差异。与单一维度的模型相比，多维度模型可以更好地解析复杂的数据结构，有助于提高评估的准确性和有效性。 为了探究实际的维度数量，作者采用了层次聚类算法（hierarchical clustering algorithm）。这种方法通过对数据进行分层分析，将相似的项目组合成一组，从而揭示出问卷中隐含的不同维度。通过这种方式，研究人员不仅可以确定问卷的设计是否有效涵盖了关键的健康维度，还能优化问题的选择，确保每个维度都有代表性的项目来测量。 文章的核心贡献在于将多维度的MIRT模型与实际的应用场景相结合，例如对意大利养老院患者健康状况的评估，这为理解和改进此类评估工具提供了重要的理论依据。通过这种方法，研究者能够确保测量的有效性和信度，从而提高决策制定者对于护理质量和患者需求的精准理解。本文提供了一种强大的统计工具和技术，用于处理和解释大规模健康评估中的复杂数据，并对后续在心理测量学和卫生经济学领域的研究产生了深远影响。